c-Jun信号在黑色素瘤胞苷类似物诱导细胞死亡中的作用
该数据集来自omicsdi.org,聚焦黑色素瘤中c-Jun信号在胞苷类似物诱导细胞死亡中的作用。源站描述显示,研究对吉西他滨(GEM)处理的黑色素瘤细胞进行蛋白质组学分析,发现药物诱导DNA损伤应答、凋亡及细胞周期阻滞,并改变线粒体核糖体活性、电子传递链和翻译相关蛋白网络,同时JNK/c-Jun网

基本信息
资源简介
c-Jun信号在黑色素瘤胞苷类似物诱导细胞死亡中的作用
该数据集来自omicsdi.org,聚焦黑色素瘤中c-Jun信号在胞苷类似物诱导细胞死亡中的作用。源站描述显示,研究对吉西他滨(GEM)处理的黑色素瘤细胞进行蛋白质组学分析,发现药物诱导DNA损伤应答、凋亡及细胞周期阻滞,并改变线粒体核糖体活性、电子传递链和翻译相关蛋白网络,同时JNK/c-Jun网络上调并与凋亡蛋白相关。数据可用于探索化疗药物双重作用机制及黑色素瘤治疗相关蛋白网络研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):黑色素瘤日益成为紧迫的健康问题。据报道,在经传统治疗药物(包括吉西他滨(GEM)等胞苷类似物)处理后存活的黑色素瘤细胞中,线粒体代谢增强。这些发现提示化疗药物可能在促进细胞存活和细胞死亡中发挥双重作用,尽管其潜在机制仍需进一步研究。在此,我们对GEM处理的黑色素瘤细胞进行了蛋白质组学分析,发现药物诱导了DNA损伤应答和凋亡的激活,并伴随细胞周期阻滞。此外,GEM处理显著改变了与线粒体核糖体活性、电子传递链和翻译相关的蛋白网络。进一步,我们报道了JNK/c-Jun网络的上调与凋亡蛋白相关。与Jun N端K共处理
【主题与分类】
主题标签:Jnk、C-jun、Melanoma、Apoptosis、Chemotherapy、Cancer。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://omicsdi.org/dataset/pride/PXD060382
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://omicsdi.org/dataset/pride/PXD060382
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
黑色素瘤是一个日益紧迫的健康问题。据报道,在经传统疗法(包括吉西他滨(GEM)等胞苷类似物)治疗后存活的黑色素瘤细胞中,线粒体代谢增强。这些发现提示化疗药物可能在促进细胞存活和细胞死亡方面发挥双重作用,尽管其潜在机制仍需进一步研究。在此,我们对GEM处理的黑色素瘤细胞进行了蛋白质组学分析,发现药物诱导了DNA损伤应答和细胞凋亡的激活,并伴随细胞周期阻滞。此外,GEM处理显著改变了与线粒体核糖体活性、电子传递链和翻译相关的蛋白质网络。进一步地,我们报道了JNK/c-Jun网络与凋亡蛋白相关的上调。与单用GEM处理相比,联合使用Jun N端激酶(JNK)抑制剂JNK-IN-8(JNKi)共处理显著提高了细胞存活率,提示c-Jun信号参与GEM诱导的细胞死亡。这些发现通过另外几种细胞系和药物得到了进一步证实。
此外,蛋白质组学分析显示,JNKi下调了共处理细胞中的凋亡,突显了JNK/c-Jun网络抑制在化疗耐受中的潜在作用。总体而言,我们的发现通过展示这些药物在1)诱导JNK介导的凋亡性细胞死亡和2)促进细胞周期抑制状态方面的多重效应,弥合了理解黑色素瘤细胞如何响应胞苷类似物的空白。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




